/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
16,8 ГБ
Опубликована
10 июл 2026

VLADrop_LingbotVLA_LIBERO_Baseline

Языковая модельИзображение, текст → action3 профессии

Полный чекпойнт Lingbot-VLA, дообученный для робототехнических задач LIBERO и используемый как базовый вариант в эксперименте Drop-Then-Recovery.

17скачиваний за 30 дней0лайковвеса обновлены10 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это контрольный чекпойнт Lingbot-VLA для эксперимента Drop-Then-Recovery, посвящённого удалению блоков из vision-language-action моделей и восстановительному дообучению. В данном варианте не удалено ни одного блока: это полная модель, дообученная от lingbot-vla-4b на стандартном наборе LIBERO в течение 50 тысяч шагов с размером пакета 16 и скоростью обучения 5e-5.

Модель предназначена для управления роботом по визуальным и языковым входам в задачах LIBERO. Чекпойнт опубликован в формате Hugging Face и safetensors; для запуска README указывает код VLADrop для lingbot-vla и токенизатор Qwen2.5-VL-3B-Instruct. Карточка не сообщает лицензию и ограничения на применение, поэтому условия лицензирования определить нельзя.

Сценарии применения

  • управление роботом в задачах LIBERO по визуальному наблюдению и текстовой инструкции
  • оценка базовой производительности Lingbot-VLA без удаления блоков
  • сравнение с уменьшенными VLA-моделями после удаления блоков и восстановительного дообучения

Ограничения

Чекпойнт предназначен для стандартных задач LIBERO; README не приводит результатов оценки качества. Для запуска требуются код VLADrop для lingbot-vla и токенизатор Qwen2.5-VL-3B-Instruct.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VLADrop-LingbotVLA-LIBERO-baseline

Checkpoint for Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?.

DTR (Drop-Then-Recovery) removes transformer blocks from a pretrained VLA model and recovery-fine-tunes the smaller dense model. Code: https://github.com/s1ghhh/VLADrop

This checkpoint

Paper rowTable 7: Lingbot-VLA baseline (0/36 dropped)
Dropped blocksnone (full model)
Recovery trainingbatch size 16, 50K steps, lr 5e-5, fine-tuned from lingbot-vla-4b on standard LIBERO
LIBERO success rateSpatial 81.8 / Object 95.0 / Goal 86.6 / Long 67.8 / Avg 82.8

Usage

Lingbot-VLA HF-format checkpoint. Use with the VLADrop lingbot-vla code (https://github.com/s1ghhh/VLADrop): serve with python -m deploy.lingbot_libero_policy --model_path <this_repo_local_path> --port 8200 --use_length 8 then run experiment/libero/libero/run_libero_eval.py --model_family instruct_vla. Requires the Qwen2.5-VL-3B-Instruct tokenizer (env QWEN25_PATH). The drop lists are recorded in the model config produced at export time.

Citation

@article{sun2026vladrop,
  title={Drop-Then-Recovery: How Redundant Are Vision-Language-Action Models?},
  author={Sun, Guoheng and Feng, Kaixi and He, Shwai and Gong, Xiaochuan and He, Yexiao and Wang, Ziyao and Shen, Zheyu and Ye, Wanghao and Kompella, Ramana Rao and Liu, Gaowen and Li, Ang},
  journal={arXiv preprint arXiv:2606.27755},
  year={2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
8ca0504

0 моделей